Análisis sectorial de la innovación y sus resultados económicos

a nivel empresa en Andalucía Autores y e-mail de la persona de contacto: Juan A. Martínez-Román

1*, Javier Gamero

1, Juan A. Tamayo

2, José E. Romero

1

(*) contacto: jamroman@us.es Departamento: 1 Economía Aplicada I,

2 Administración de Empresas y

Comercialización e Investigación de Mercados (Marketing)

Universidad: Sevilla Área Temática: Economía del conocimiento y geografía de la innovación Resumen: La Comisión Europea ha relacionado las divergencias en el crecimiento económico con las diferencias de innovación entre las regiones europeas. La investigación empírica ha dejado patente el valor de la innovación como fuente de ventaja competitiva y su importancia para reducir las divergencias económicas entre regiones. La ineficiencia demostrada por los modelos generales de innovación hace necesario un estudio riguroso del proceso y sus consecuencias económicas en contextos homogéneos. Así, el gap de conocimiento en torno al proceso innovador en regiones económica y tecnológicamente menos desarrolladas (periféricas) ha restado eficacia a la política de innovación de manera sistemática, demandando un mejor conocimiento del fenómeno y nuevos instrumentos para la política de innovación en estos territorios. En esta línea, el presente trabajo pretende un avance en el conocimiento del proceso de innovación y sus resultados económicos en Andalucía, una importante región periférica europea. Para ello, se ha realizado un análisis a nivel empresa de más de 400 empresas de los principales sectores de la región mediante el contraste empírico de un modelo explicativo bietápico. La primera etapa logra explicar satisfactoriamente el nivel de innovación de las empresas, a partir de la capacidad innovadora, los factores contextuales y el entorno, aportando finalmente unos índices de innovación empresarial por sectores. En la segunda etapa se analiza el impacto que ejerce el nivel de innovación sobre la rentabilidad, el crecimiento y la expansión comercial en cada sector. Los resultados obtenidos permiten extraer consideraciones relevantes para los directivos y responsables regionales de la política de innovación. Palabras Clave: innovación, resultados económicos, sectores, región periférica, Andalucía. Clasificación JEL: O31, R11, M21

2

1. INTRODUCCIÓN

La investigación de la innovación a nivel regional ha experimentado en las últimas

décadas un notable impulso propiciado por los avances del análisis teórico, el valor de

la innovación como fuente de ventaja competitiva y la necesidad de nuevas políticas que

atenúen las divergencias económicas entre las regiones (Asheim, Lawton Smith y

Oughton, 2011). La influencia de la características diferenciales de las regiones han

quedado de manifiesto en la actividad y los resultados innovadores alcanzados por las

empresas innovadoras (Cooke, Gómez-Uranga y Etxebarría, 1997; Kaufmann y

Tödtling, 2001), generando ventajas comparativas sectoriales entre las regiones (Coriat

y Weinstein, 2002) que pueden llevar a empresas e instituciones al desarrollo de

competencias innovadoras específicas en su área geográfica (Rondé y Hussler, 2005).

Empíricamente se han vinculado las divergencias en innovación tecnológica con

las diferencias de stock de capital tecnológico entre las regiones (Chen y Guan, 2011),

ya que las áreas con mayor concentración de conocimiento tecnológico suelen obtener

mayores resultados innovadores, y viceversa. Este fenómeno de “acumulabilidad”

(Howells, 2005) o de “ventajas acumuladas” (Chen y Guan, 2011) en el ámbito regional

ayuda a comprender las diferencias de crecimiento entre economías locales. Sin

embargo, la influencia de una visión demasiado simplificadora de la innovación en la

esfera política ha llevado priorizar la inversión en I+D en alta tecnología (Musyck y

Reid, 2007; Mytelka y Smith, 2002), relegando el fomento de la capacidad innovadora

de las empresas locales a un plano secundario en la investigación y la política de

innovación (Martínez-Román, Gamero y Tamayo, 2011).

Las limitaciones inherentes de este planteamiento se reflejan en los escasos

resultados obtenidos con las políticas de innovación de carácter general en las regiones

caracterizadas por un tejido empresarial de baja intensidad tecnológica. En este sentido,

la desfavorable situación de las regiones periféricas europeas resulta preocupante,

especialmente durante la actual crisis económica (European Commission, 2009 y 2012).

Por ello, es preciso sustituir los enfoques demasiado simplificados por modelos más

complejos y cercanos a la realidad (Howells, 2005), con el fin de que las medidas de

apoyo regional a la innovación aumenten la capacidad innovadora de las empresas

3

(Kaufmann y Tödtling, 2002), incluso en las regiones y sectores con menor nivel

tecnológico (European Commission, 2006; Tödtling y Trippl, 2005).

La presente investigación empírica se sitúa en esta línea de trabajo, analizando

los factores organizativos y ambientales que condicionan el comportamiento innovador

de las empresas en distintos sectores, tecnológicos y no tecnológicos, así como su

impacto económico en las empresas de la Comunidad Autónoma de Andalucía, una de

las principales regiones periféricas europeas. Con este objetivo, el trabajo se estructura

en las siguientes secciones. En la siguiente sección se elabora un modelo explicativo

bietápico del comportamiento innovador en productos y procesos y de su impacto en los

resultados de las empresas. Seguidamente, la sección 3 muestra el contraste de dicho

modelo y ofrece los principales resultados de ambas etapas, mientras que la discusión

de dichos resultados se realiza en la sección 4. Finalmente, en la sección 5 se sintetizan

las principales conclusiones del trabajo para los responsables políticos y los directivos

de empresa y la exposición de algunas vías de investigación que se abren tras este

trabajo.

2. MARCO TEÓRICO

El enfoque convencional de sistema regional de innovación ha centrado su atención en

la influencia del soporte institucional a la innovación quedando relegado el

comportamiento innovador de las empresas en dicho análisis (Werker y Athreye, 2004).

Sin embargo, una corriente en la investigación aboga por una visión “de abajo hacia

arriba” en el estudio del fenómeno innovador a nivel espacial, próxima a la actividad

innovadora de las empresas, para a partir de ella valorar los resultados de la interacción

de estas unidades con la compleja red de relaciones sistémicas a nivel territorial

(Karlsen, 2013; Martínez-Román, Gamero y Tamayo, 2011). Este punto de vista micro

es subrayado por autores que señalan que el principal objetivo de un sistema regional de

innovación es aumentar la capacidad innovadora de las empresas del territorio

(Kaufmann y Tödtling, 2002; Tödtling y Trippl, 2005) y que el éxito de las políticas de

innovación depende de la comprensión de los factores específicos que condicionan la

actividad innovadora de las empresas (Hewitt-Dundas, 2006; Sternberg y Arndt, 2001),

4

de forma que el comportamiento innovador de las empresas es un factor determinante

de las diferencias de rendimiento innovador entre las regiones (Boschma y Frenken,

2006).

El enfoque micro-nivel o nivel empresa es un ámbito de estudio relevante en el

análisis de la innovación a nivel regional (Uyarra, 2010). Esta vía de investigación, al

centrar su atención en la actividad innovadora de las empresas, constituye un valioso

instrumento para el diseño de políticas de innovación a nivel regional (Howells, 2005).

La actividad innovadora ha sido descrita en contextos sectoriales y espaciales a partir de

factores internos y factores externos de la empresa (Freel, 2003; Radas y Bozic, 2009;

Romijn y Albaladejo, 2002; Vega–Jurado, Gutiérrez–García, Fernández–de–Lucio y

Manjarrés–Henríquez, 2008). A veces los factores internos y externos aparecen

agrupados de forma coherente en un modelo micro-nivel que relaciona los resultados

innovadores con determinadas características organizativas y del entorno específico de

la empresa (Forsman, 2011; Hurley y Hult, 1998; Martínez–Román et al., 2011; Vega–

Jurado et al., 2008; Yam, Lo, Tang y Lau, 2011). Estos modelos aportan una visión

conjunta del impacto de ambas categorías sobre la actividad innovadora y sus

resultados. El impacto económico de la innovación en las empresas también recibe la

atención de este enfoque en diversos sectores (Ar y Baki, 2011; Martínez-Román,

Tamayo, Gamero y Romero, 2015; Tamayo, Gamero, Romero y Martínez-Román,

2015), contribuyendo a cubrir el vacío de conocimiento existente en la literatura sobre

este trascendental asunto (Crossan y Apaydin, 2010).

Una revisión de la literatura ha permitido elaborar el modelo conceptual para el

análisis micro-nivel de la innovación que se muestra en la Figura 1. El modelo

conceptual propuesto tiene una configuración bietápica basada en el trabajo de

Martínez-Román, Tamayo, Gamero y Romero (2015). En su primera fase el modelo

explica el nivel de innovación en productos y procesos a partir de tres categorías de

variables explicativas: la capacidad innovadora, los factores contextuales y el entorno,

con subcategorías que introducen en el análisis variables explicativas relevantes en la

investigación empírica. En su segunda parte, se analiza el impacto del nivel de

innovación en los resultados económicos de las empresas. De este modo, el modelo

5

propuesto amplía la estructura del marco inicial incorporando el crecimiento económico

y la extensión del mercado a los resultados empresariales.

Figura 1: Modelo conceptual

!!

INNOVACIÓN!!

EN!PRODUCTOS!!!!

CONTEXTUAL!FACTORS!!

Tamaño!Cooperación!Financiación!

!

CAPACIDAD!INNOVADORA!!

Conocimiento!Factor!Humano!Organización!

ENTORNO!!

CompeCdores!InsCtuciones!

!!

INNOVACIÓN!!

EN!PROCESOS!!!

!!

RESULTADOS!!

EMPRESARIALES!

!

!

!

!!

H1#

H2#

H3a,b,c#

H4a,b,c#

a.   RENTABILIDAD!

b.   CRECIMIENTO!

c.   EXTENSIÓN!MERCADO!

Fuente: elaboración propia a partir de Martínez-Román et al., 2015

La Figura 1 representa el nuevo modelo conceptual que será contrastado y

analizado en la parte empírica de este trabajo. Como puede observarse, el nuevo modelo

concluye planteando la relación de ambos tipos de innovación con los resultados

económicos de las empresas. Esta relación, ha sido estudiada en investigaciones que han

buscado asociar la innovación con diversas medidas de resultado empresarial, como las

ventas, los beneficios, la cuota de mercado o el crecimiento de la organización (Ar y

Baki, 2011; Deshpandé et al., 1993; Martínez-Román et al., 2015; Romijn y Albaladejo,

2002). En nuestro caso, hemos optado por la rentabilidad económica, medida como el

beneficio antes de intereses e impuestos generado por el activo total de la empresa

(ROI), por ser una valoración financiera estándar en todos los sectores, el crecimiento,

medido por el porcentaje de variación de la plantilla, y la extensión del mercado,

medida como el porcentaje de ventas nacionales y especialmente internacionales. De

este modo, para validar estadísticamente el modelo propuesto deberán quedar

contrastadas las siguientes hipótesis:

6

H1. Los resultados innovadores en productos pueden expresarse con un modelo lineal

generalizado de variables explicativas referidas a la capacidad innovadora, los factores

contextuales y el entorno.

H2. Los resultados innovadores en procesos pueden expresarse con un modelo lineal

generalizado de variables explicativas referidas a la capacidad innovadora, los factores

contextuales y el entorno.

H3a. La innovación en productos ejerce un impacto positivo sobre la rentabilidad de las

empresas.

H3b. La innovación en productos ejerce un impacto positivo sobre el crecimiento de las

empresas.

H3c. La innovación en productos ejerce un impacto positivo sobre la extensión del

mercado de las empresas.

H4a. La innovación en productos ejerce un impacto positivo sobre la rentabilidad de las

empresas.

H4b. La innovación en productos ejerce un impacto positivo sobre el crecimiento de las

empresas.

H4c. La innovación en productos ejerce un impacto positivo sobre la extensión del

mercado de las empresas.

3. INVESTIGACIÓN EMPÍRICA

3.1. Metodología y estructura de la muestra

La selección de la muestra ha sido realizada mediante una variedad de muestreo

aleatorio corregido por estratos para maximizar el análisis por sectores y manteniendo

unas cuotas mínimas por provincia. Los sectores considerados, según CNAE 2009, han

sido los siguientes: Agricultura (grupo A), Industria (grupos B, C, D y E), Comercio (G)

y Servicios (H , J y U). La segmentación cruzada da como resultado 48 combinaciones

sector-provincia, por tanto el tamaño muestral será igual a 48*m, siendo m el número de

7

elementos en cada segmento. En esta población se ha favorecido deliberadamente la

participación de empresas destacadas en cada sector, siguiendo la tipificación de la

Central de Balances de Andalucía, con el fin de aumentar el valor del análisis

exploratorio, en la medida que presta una atención preferente al grupo de

organizaciones más influyentes en el mercado y la competencia sectorial en el área

geográfica de investigación. Este tipo de metodologías es habitual en estudios empíricos

de tipo exploratorio que contrastan hipótesis y modelos explicativos sobre empresas en

contextos específicos (Montalvo, 2006; Marcati, Guido y Peluso, 2008; Martínez-

Román et al., 2011).

A partir de los datos disponibles en la Central de Balances de Andalucía (CBA),

la base de empresas Bureau Van Dijk y otros registros propiedad de la empresa

encuestadora que colaboró en el trabajo de campo, se elaboró una base de datos de

20.865 empresas andaluzas con una plantilla superior a 17 empleados, de las que 1.427

son líderes1, 70 gacelas2 y 90 de alta rentabilidad3,   según CBA. Finalmente, en la

muestra aparecen 120 empresas que podemos denominar destacadas, de las que el 76%

son líderes, el 14% son gacelas y el 10% son de alta rentabilidad en los registros de la

CBA. La recopilación de datos se realizó mediante encuestas telefónicas con

cuestionario asistidas por ordenador (Sistema CATI) dirigidas a empresarios y CEOs de

las empresas seleccionadas, con un promedio de duración de 14 minutos y medio por

encuesta y una tasa de respuesta del 7% (RR1=7) . Tras depurar los datos del trabajo de

campo se obtuvo la base de datos utilizada en el análisis empírico. Eliminando empresas

con un número de datos faltantes o anómalos obtenemos la muestra final cuyo tamaño y

estructura aparecen representados por sectores y provincias en la Tabla 1.

1 Empresas que han alcanzado un "cash-flow" (recursos generados), en el último año, superior a 300 mil euros y que además, han obtenido beneficios en ese año (CBA). 2 Se consideran así aquellas empresas que en los últimos cuatro años han incrementado sus ventas de manera 2 Se consideran así aquellas empresas que en los últimos cuatro años han incrementado sus ventas de manera continuada todos los años, duplicándolas, cuando menos, en el conjunto del período y, además, debe haber obtenido beneficios en todos los ejercicios del período (CBA). 3 Se consideran así aquellas empresas que han obtenido una rentabilidad económica media superior al 25 por ciento en los tres últimos años, sin que ninguno de ellos la rentabilidad obtenida se haya situado por debajo del 15 por ciento (CBA).

8

Tabla 1: Estructura de la muestra

Sectores CNAE 2009 Almería Cádiz Córdoba Granada Huelva Jaen Málaga Sevilla Total sector

Agrario A 12 12 13 10 14 14 11 14 100

Industria B, C, D, E 14 15 12 16 14 14 14 15 114

Comercio G, H* 13 13 14 14 14 12 13 13 106

Servicios H**, J - U 13 14 14 14 14 14 13 14 110

52 54 53 54 56 54 51 56 430

* Sólo los subgrupos de H: 4920, 4941, 5020, 5040, 5121, 5210, y 5224

** Resto de subgrupos de H

Total provincia

3.2. Descripción de las variables

En la Tabla 2 aparecen agrupadas por categorías las 35 variables explicativas

seleccionadas para el contraste empírico del modelo y las variables a explicar, referidas

a los resultados innovadores y económicos de las empresas.

Tabla 2: Descripción de las variables explicativas VARIABLES EXPLICATIVAS

Description Escalas

Conocimiento

Aprendizaje y capacitación Importancia del aprendizaje en el puesto de trabajo ordinal (0-6) V34_35

Asistencia a ferias, congresos y cursos especializados ordinal (0-6) V36

Asistencia a ferias, congresos y cursos resto del personal ordinal (0-6) V36.1

Investigación y experimentación Patentes y otra propiedad industrial e intelectual dicotómica V38

Porcentaje del presupuesto anual en I+D y experimentación numérica V39.1

Recursos humanos Porcentaje de universitarios entre los directivos numérica V40

Porcentaje de universitarios entre no directivos numérica V41

La creatividad como criterio de promoción y recompensa ordinal (0-6) V42_43

Nivel de riesgo asumido en nuevos proyectos ordinal (0-6) V44

Organización

Nivel de autonomía Nivel de autonomía en la toma de decisiones de los directivos ordinal (0-6) V45

Nivel de autonomía en la toma de decisiones de no directivos ordinal (0-6) V46

Comunicación Existencia de grupos de trabajo permanentes dicotómica V47

Existencia de equipos especializados en cuestiones críticas dicotómica V48

Jerarquía Nivel de supervisión y control ordinal (0-6) V49

Estrategia Estrategia competitiva (en la escala coste-diferenciación) ordinal (0-6) V50

Calidad Sistema de gestión de la calidad certificado dicotómica V32_33

Tamaño Número de trabajadores en plantilla numérica V2

Financiación Importancia de la autofinanciación ordinal (0-6) V20

Importancia de la financiación bancaria a corto plazo (<1 año) ordinal (0-6) V21

Importancia de la financiación bancaria a medio plazo (1 a 5 años) ordinal (0-6) V22

Importancia de la financiación bancaria a largo plazo (>5 años) ordinal (0-6) V23

Cooperación Con proveedores ordinal (0-6) V25

Con distribuidores ordinal (0-6) V26

Con clientes ordinal (0-6) V27

Con redes de empresas ordinal (0-6) V28

Con los competidores ordinal (0-6) V29

Con universidades, laboratorios o centros tecnológicos ordinal (0-6) V30

Con otras empresas ordinal (0-6) V31

Competencia Nivel de rivalidad competitiva en el mercado (hostilidad) ordinal (0-6) V51

Frecuencia de los cambios en la competencia (dinamismo) ordinal (0-6) V52

Soporte institucional Importancia de subvenciones y ayudas a la innovación ordinal (0-6) V53

Opinión general sobre el régimen fiscal de la innovación ordinal (0-6) V54

Nº de deducciones practicadas en el IS por I+D desde el 2000 numérica V55.1

Importancia de las deducciones en IS por I+D para la empresa ordinal (0-6) V55.2

Importancia de políticas y organismos de apoyo a exportación ordinal (0-6) V56

VARIABLES A EXPLICARDescription Escalas

Innovación en productos Nivel de novedad de innovaciones en productos realizadas ordinal (0-4) V6

Innovación en procesos Nivel de novedad de innovaciones en procesos realizadas ordinal (0-4) V10

Rentabilidad Rentabilidad media en la empresa ordinal (0-6) V16

Categorías

Resu

ltado

s

inno

vado

res

Rº.

Econ

óm .

Categories

Capa

cidad

Inno

vado

raFa

ctor

es c

onte

xtua

les

Ento

rno

Fuente: Martínez-Román et al., 2015

9

La exploración previa de asimetría y curtosis mostró una forma razonable en

todas las variables, salvo en edad y tamaño, cuyo comportamiento log-normal aconsejó

la transformación logarítmica en ambos casos. Tampoco se detectaron problemas

relevantes de colinealidad entre las variables explicativas seleccionadas para el contraste

del modelo. No obstante, el análisis y depuración de los datos muestrales reveló la

conveniencia de incorporar toda la información disponible sobre gestión de la calidad

(V32 y V33), aprendizaje en el puesto de trabajo (V34 y V35) e importancia de la

creatividad en la promoción y recompensa (V42 y V43) en sendos constructos,

elaborados del siguiente modo:

V34_35 = (V34+V35)/2; V32_33 = (V32+V33)/2; V42_43 = (V42+V43)/2

Se dividió por dos para mantener el rango aproximado de las variables originales.

Las variables Resultados Innovadores miden el nivel de radicalidad en el mercado de las

innovaciones en productos y el grado de novedad de los procesos de la empresa respecto

a la competencia, en producción, gestión, organización, aprovisionamiento, marketing y

distribución. De este modo, el objetivo de los modelos es explicar sectorialmente la

intensidad innovadora de las empresas andaluzas, tanto en productos como en procesos. Tabla 3: Descripción de las variables a explicar VARIABLES A EXPLICAR

Descripción de variables

Innovación en productos Level of radicality in service innovations during the last 3 years ordinal (0-4) y 1

Innovación en procesos Level of radicality in process innovations during the next 3 years ordinal (0-4) y 2

Rentabilidad Nivel de rentabilidad en los últimos tres años ordinal (0-6) z 1

Crecimiento Porcentaje de variación de la ploantilla en los últimos 3 años numerical z 2

Extensión del mercado Constructo de extensión del mercado numerical z 3

Porcentaje de ventas internacionales en los últimos tres años z31 numerical

Porcentaje de ventas nacionales en los últimos tres años z32 numerical

Res

ulta

dos

empr

esar

iale

s

EscalasCategor ías

Res

ulta

dos

Inno

vado

res

Fuente: a partir de Martínez-Román et al., 2015

4. RESULTADOS

4.1. Primera etapa del modelo: modelos explicativos de la innovación por sectores

Para el contraste del modelo en cada sector se ha utilizado un modelo de regresión lineal

múltiple del tipo siguiente:

Y = c1g1(x1)+c2g2(x2)+…+cngn(xn)+C0

10

El procedimiento se realizó aplicando previamente el método Backwards en cada una de

las 8 regresiones lineales formuladas: una para productos y otra para procesos en cada

uno de los sectores investigados. A partir del modelo inicial de 35 variables, este

procedimiento estándar facilita la determinación del número óptimo de variables

explicativas por sector y tipo de innovación, obteniendo el siguiente resultado: en el

sector Agrario, el modelo queda con 8 variables para explicar la innovación en

productos y 17 para la innovación en procesos; en la Industria, el modelo incorpora 13 y

17 variables explicativas, respectivamente, en el Comercio, 12 y 13, y en Servicios, 15 y

20 variables explicativas, respectivamente. Para el contraste empírico se ha aplicado el

test de significación F-Snedecor a cada regresión múltiple de variables explicativas

sobre los resultados de innovación en cada sector, para productos y para procesos. Las

Tablas 4 y 5 muestran los resultados del test y los coeficientes normalizados y p-value

de las variables explicativas significativas de las regresiones lineales en cada sector.

Tabla 4: Resultados sectoriales de la innovación en productos

b i* p i b i

* p i

V2. Número de empleados

V20 Autofinanciación

V21 Ptmos. a C/P -,199 ,062 (*)V22 Ptmos. a M/P ,443 ,009 (**)

Variables Agricultura Industria

b i* p i

-,211 ,018 (**)

Comercio

b i* p i

,267 ,004 (**)

,313 ,004 (**)

-,372 ,001 (**)

Servicios

V30 Coop. Universidades -,255 ,052 (*) ,210 ,062 (*)V32_33 Certif. calidadV34_35 Aprendizaje trabajoV36 Asist. ferias/cong. Dir.V36.1 Asist. ferias/cong. no Dir. -,201 ,043 (**)V38 Patentes y otra Prop. Intelec. ,308 ,013 (**) ,190 ,041 (**)V39.1 Esfuerzo interno en I+D ,348 ,001 (**)V40 % Universitario DirectivosV41 % Universitario no Direct.V42_43 CreatividadV44 Tolerancia al riesgo V45 Autonomía directivosV46 Autonomía no directivosV47 Grupos de trabajo

,180 ,056 (*)

,358 ,000 (**)

,218 ,015 (**)

-,187 ,044 (**)

-,167 ,060 (*)

-,149 ,094 (*)

-,217 ,027 (**)

,212 ,022 (**)

,202 ,039 (**)

,155 ,097 (*),230 ,034 (**)

V49 Supervisión y control ,150 ,088 (*)V51 Rivalidad competitiva -,241 ,025 (**)V52 Dinamismo mercado ,199 ,059 (*)V54 Régimen fiscal I+D -,193 ,052 (*)V55.1 Nº deducc. I+D en IS ,288 ,026 (**)V56 Ayudas exportación ,189 ,049 (**)

Coeficiente R' 2 0.221 0.344

,175 ,054 (*)

0.346 0.351p-value regresión* 0.05 < p-value ≤ 0,1** p-value ≤ 0,05

<0.1% <0.1% <0.1% <0.1%

11

Tabla 5: Resultados sectoriales de la innovación en procesos

b i* p i b i

* p i

V2. Número de empleados ,219 ,028 (**)

V20 Autofinanciación -,247 ,015 (**)

V22 Ptmos. a M/P -,269 ,076 (*)

V23 Ptmos. a L/P -,224 ,041 (**)

V25 Colab. proveedores ,437 ,001 (**)

V26 Colab. distribuidores -,269 ,044 (**)

V27 Colaboración clientes

V28 Colab. redes empresa

V29 Colab. competidores

V30 Coop. Universidades -,267 ,039 (**)

Variables Agricultura Industria

b i* p i

-,264 ,002 (**)

-,305 ,003 (**)

,337 ,000 (**)

,157 ,075 (*)

Comercio

b i* p i

-,205 ,048 (**)

-,351 ,002 (**)

,240 ,030 (**)

,509 ,000 (**)

-,323 ,007 (**)

,235 ,054 (*)

Servicios

V36.1 Asist. ferias/cong. no Dir. ,214 ,026 (**)V38 Patentes y otra Prop. Intelec. ,209 ,036 (**)

V39.1 Esfuerzo interno en I+D ,272 ,013 (**)

V40 % Universitario Directivos -,189 ,068 (*)

V41 % Universitario no Direct.

-,332 ,000 (**)

,282 ,021 (**)

-,231 ,029 (**)

V47 Grupos de trabajo ,169 ,090 (*) -,208 ,041 (**)

V49 Supervisión y control ,308 ,004 (**)

V50 Orientación estratégica ,188 ,049 (**)

V51 Rivalidad competitiva -,225 ,016 (**)

V52 Dinamismo mercado

V53 Subvenciones públicas ,459 ,000 (**)

V54 Régimen fiscal I+D -,191 ,046 (**)

,158 ,089 (*)

,194 ,044 (**)

,225 ,065 (*)

V55.2 Importe deducc. I+D en IS ,211 ,078 (*) ,189 ,042 (**) -,302 ,009 (**)

Coeficiente R' 20.387 0.326 0.352 0.326

p-value regresión

* 0.05 < p-value ≤ 0,1** p-value ≤ 0,05

<0.1% <0.1% <0.1% <0.1%

Las tablas anteriores muestran los coeficientes de regresión normalizados y los

p-value para las variables explicativas en cada ajuste. Como puede observarse en ambas

tablas, todas las regresiones superan dicho test de significación (p<0.1%), quedando así

contrastadas las hipótesis H1 y H2 en todos los sectores y validado el modelo propuesto

en todas las actividades productivas incluidas en el estudio. Por tanto, podemos afirmar

que el modelo posee una capacidad explicativa ajustada a las características del estudio,

aunque con diferencias sectoriales. Estas diferencias morfológicas entre los modelos

sectoriales, reflejadas en sus conjuntos de variables explicativas, ponen de manifiesto

las peculiaridades de la innovación en cada grupo de actividades productivas.

A partir de los modelos sectoriales se pueden elaborar unos índices sectoriales

representativos del nivel de innovación. Sustituyendo los valores de las variables, el

12

modelo sectorial asigna un valor de innovación en la escala 0 (no innova) a 4 (máxima

innovación) a la correspondiente empresa. De este modo, obtendríamos una idea

aproximada del nivel de innovación que alcanzaría una organización no incluida en la

muestra, permitiendo así su clasificación. Los indicadores también sirven para

identificar rasgos particulares que hacen que una empresa sea más innovadora o menos

innovadora. Para ello, compararemos el valor de innovación real de cada empresa con la

previsión realizada por el modelo. Cuando el valor real supera al indicador, podríamos

decir que ese elemento muestral tiene “vocación innovadora”, es decir, existen

determinadas características organizativas y del entorno no incluidas en el modelo que

hacen que esa empresa tienda a innovar más de lo previsto por el modelo, mientras que

un resultado inverso (valor real inferior al indicador) permitiría afirmar que esa empresa

tiene menos iniciativa innovadora de lo que cabía esperar de sus características. Los

índices de innovación en productos (Sector_INPRD) y de innovación en procesos

(Sector_INPRC) calculados para cada sector son los siguientes:

Sector Agrario: AGR_INPRD = 0,838 +0,168 LN(V2) -0,108·V20 +1,456 ·V38 -0,103·V21 -0,150·V30 +0,073·V53 -0,069·V54 +0,121·V55_1 AGR_INPRC = 0,686 +0,060·V44 -0,134·V45 -0,255·V47 +0,370·V49 -0,077·V34_35 -0,002·V40 -0,074·V21 +0,083·V22 -0,108·V23 +0,220·V25 -0,119·V26 +0,066·V28 -0,164·V51 +0,218·V53 -0,064·V54 -0,070·V56 +0,100·V36.1 Sector Industrial: IND_INPRD = 1,091 +0,606·V38 +0,349·V39_1 +0,082·V44 +0,299·V48 +0,111·V42_43 -0,005·V40 +0,146·V21 +0,311·V22 -0,104·V23 -0,289·V51 +0,156·V52 +0,145·V56 -0,144·V36.1 IND_INPRC = -0,710 +0,302 LNV2 -0,153·V20 +0,514·V38 +0,210·V39_1 +0,088·V44 +0,466·V47 +0,116·V50 -0,005·V40 +0,009·V41+ 0,124·V21 -0,145·V22 -0,150·V30 +0,109·V31 +0,076·V52 -0,060·V55_1+ 0,138·V55_2 +0,078·V56 Sector Comercio COM_INPRD = 1,013 -0,162·V20 +0,351·V39_1 -0,171·V45 +0,116·V46 -0,613·V47 +0,154·V34_35 +0,056·V42_43 +0,011·V41 +0,084·V52 -0,057·V54 -0,098·V55_1 +0,156·V56

13

COM_INPRC = 2,358 -0,203·V20 -1,066·V38 +0,338·V48 -0,129·V49 +0,071·V42_43 +0,069·V21 -0,178·V23 +0,238·V27 +0,087·V28 +0,103·V53 +0,203·V55_2 -0,096·V36 -0,080·V36_1 Sector Servicios SER_INPRD = -3,636 +0,381 LNV2 -0,468·V32_33 +0,174·V45 +0,214·V46 +0,393·V47 +0,214·V49 +0,121·V42_43 +0,008·V40 -0,006·V41 +0,207·V21 -0,247·V22 +0,085·V27 +0,163·V30 +0,092·V53 -0,159·V36_1 SER_INPRC = 1,217 -0,141·V20 -0,416·V38 +0,250·V39_1 +0,116·V44 +0,150·V46 -0,744·V47 +0,307·V48 +0,137·V50 -0,009·V41 -0,124·V23 -0,188·V26 +0,144·V27 +0,297·V28 -0,221·V29 +0,179·V30 +0,148·V52 +0,148·V53 -0,057·V54 -0,275·V55_2 -0,087·V36_1

La observación de los resultados proporcionados por este procedimiento

permitirá extraer conclusiones interesantes para los responsables de la política de

innovación y la dirección de empresas en la región andaluza.

4.2. Segunda etapa del modelo: relación de la innovación con los resultados

empresariales

El contraste de las hipótesis de la segunda etapa del modelo se realizará con la

aplicación del test de Fisher. La Tabla 6 muestran los resultados del test para cada

sector, señalando los casos en los que las hipótesis correspondientes son aceptadas y

cuando se rechazan (aceptación de la hipótesis nula). Como puede observarse, los

resultados del análisis muestra 15 hipótesis significativas.

En el caso de la rentabilidad, queda demostrado el impacto positivo de la

innovación en productos en los sectores Agrario y de Servicios, verificándose la

hipótesis H3a en ambos casos, mientras que la innovación en procesos ejerce una

influencia directa sobre la rentabilidad en la Industria, el Comercio y los Servicios,

quedado verificada la hipótesis H4a en estos sectores.

14

Tabla 6: Resultados del test de Fisher (Innovación–Resultados empresariales)

Agricultura_Innovación productos-Rentabilidad

Agricultura_Innovación procesos-Rentabilidad

Manufactura_Innovación productos-Rentabilidad

Manufactura_Innovación procesos-Rentabilidad

Modelos

0.161

0.078

0.071

0.287

rHipótesis Conclusión

nula empírica

0.051 (*) Rechazada Impacto positivo

0.218 Aceptada

0.254 Aceptada

0.001 (**) Rechazada Impacto positivo

p-value

Comercio_Innovación productos-Rentabilidad

Comercio_Innovación procesos-Rentabilidad

0.117

0.188

0.123 Aceptada

0.027 (**) Rechazada Impacto positivo

Servicios_Innovación productos-Rentabilidad

Servicios_Innovación procesos-Rentabilidad

Agricultura_Innovación productos-Crecimiento

Agricultura_Innovación procesos-Crecimiento

Manufactura_Innovación productos-Crecimiento

Manufactura_Innovación procesos-Crecimiento

0.165

0.127

0.262

0.204

0.009

0.134

0.044 (**) Rechazada Impacto positivo

0.095 (*) Rechazada Impacto positivo

0.004 (**) Rechazada Impacto positivo

0.019 (**) Rechazada Impacto positivo

0.434 Aceptada

0.080 (*) Rechazada Impacto positivo

Comercio_Innovación productos-Crecimiento

Comercio_Innovación procesos-Crecimiento

0.068

0.025

0.258 Aceptada

0.455 Aceptada

Servicios_Innovación productos-Crecimiento

Servicios_Innovación procesos-Crecimiento

Agricultura_Innovación productos-Extensión Mercado

Agricultura_Innovación procesos-Extensión Mercado

Manufactura_Innovación productos-Extensión Mercado

Manufactura_Innovación procesos-Extensión Mercado

0.190

0.131

0.228

0.049

0.247

0.318

0.024 (**) Rechazada Impacto positivo

0.087 (*) Rechazada Impacto positivo

0.010 (*) Rechazada Impacto positivo

0.289 Aceptada

0.004 (**) Rechazada Impacto positivo

0.000 (**) Rechazada Impacto positivo

Comercio_Innovación productos-Extensión Mercado

Comercio_Innovación procesos-Extensión Mercado

0.294

0.029

0.001 (**) Rechazada Impacto positivo

0.664 Aceptada

Servicios_Innovación productos-Extensión Mercado

Servicios_Innovación procesos-Extensión Mercado

* 0.05 < p-value ≤ 0,1** p-value ≤ 0,05

0.288

0.050

0.001 (**) Rechazada Impacto positivo

0.275 Aceptada

El crecimiento de las empresas (aumento del número de trabajadores) se ve

favorecido por la innovación en productos en los sectores Agrario y Servicios, lo que

implica la aceptación en estos casos de la hipótesis H3b. Asimismo, los resultados

muestran el impacto positivo de la innovación en procesos sobre el crecimiento en los

sectores Agrario, Industrial y en los Servicios, confirmándose en ellos la hipótesis H4b.

Finalmente, la innovación en productos ejerce un impacto positivo sobre la

extensión del mercado de las empresas en todos los sectores estudiados, por lo que la

hipótesis H3c es aceptada en todos los casos, mientras que H4c sólo se verifica en la

Industria, ya que sólo en este sector queda verificada el impacto positivo de la

innovación en procesos sobre la extensión del mercado.

15

5. DISCUSIÓN Y CONCLUSIONES

La Tabla 7 proporciona un resumen de los principales factores explicativos del grado de

innovación en productos y procesos en cada sector productivo. Estos factores son las

variables significativas de cada modelo sectorial y su influencia sobre el resultado

innovador de las empresas viene determinada por el signo y valor del coeficiente de

regresión de la variable en el correspondiente modelo explicativo.

Los factores impulsores e inhibidores aparecen en dicha tabla ordenados de

mayor a menor importancia en cada categoría según nivel de significatividad (en

general coincide con la magnitud del coeficiente). La columna de fortalezas contiene las

variables significativas cuyo efecto positivo sobre el nivel de innovación de las

empresas ha quedado patente en los modelos sectoriales, mientras que la columna de

debilidades describe las variables significativas que ejercen un efecto negativo sobre los

tipos de innovación. Por consiguiente, el resultado innovador de las empresas aumentará

al incrementarse los niveles de los factores impulsores y al reducirse la importancia

cuantitativa de los factores inhibidores en las empresas del sector, disminuyendo el

grado de innovación al experimentar una variación inversa dichos factores. En este

sentido, la siguiente tabla ofrece un resumen informativo relevante para la política de

innovación y la dirección de empresas en Andalucía.

16

SectorFortalezas (efecto positivo)

Debilidades (efecto negativo)Fortalezas (efecto positivo)

Debilidades (efecto negativo)

AGRARIOApropiación form

al del conocimiento (P.Industrial)

Cooperación con universidades, laboratorios y centros tecnológicos

Subvenciones y ayudas a la innovaciónCooperación con distribuidores

Incentivos fiscales innovación (nº deducciones)Financiación bancaria a c/p

Cooperación con proveedoresRivalidad com

petitiva

Régimen fiscal de la innovación (en general)

Supervisión y controlFinanciación bancaria a l/p

Asistencia a ferias y congresos (no directivos)Régim

en fiscal de la innovación (valoración)

INDUSTRIALFinanciación bancaria a m

/pRivalidad com

petitivaEsfuerzo interno en I+D

Financiación bancaria a m/p

Esfuerzo interno en I+DAsistencia a ferias y congresos (no directivos)

Número de em

pleados (tamaño em

presa)Cooperación con universidades, laboratorios y centros tecnológicos

Dinamism

o del mercado

Apropiación formal del conocim

iento (P.Industrial)Autofinanciación

Apropiación formal del conocim

iento (P.Industrial)Orientación estratégica (diferenciación)

Porcentaje de universitarios (directivos)

Políticas y organismos de apoyo a la exportación

Grupos de trabajo permanentes

Importe deducciones I+D en IS

Innovación en productosInnovación en procesos

COMERCIO

Esfuerzo interno en I+DAutofinanciación

Cooperación con clientesApropiación form

al del conocimiento (P.Industrial)

porcentaje de universitarios (no directivos)Autonom

ía de los directivosIncentivos fiscales innovación (im

porte deducciones)Financiación bancaria a l/p

Aprendizaje en el puesto de trabajoGrupos de trabajo perm

anentesCooperación con redes em

presarialesAutofinanciación

Políticas y organismos de apoyo a la exportación

SERVICIOSFinanciación bancaria a c/p

Financiación bancaria a m/p

Cooperación con redes empresariales

Cooperación con distribuidores

Número de em

pleados (tamaño em

presa)Asistencia a ferias y congresos (no directivos)

Esfuerzo interno en I+DCooperación con com

petidores

Autonomía de no directivos

Sistema de calidad certificado

Cooperación con clientesIncentivos fiscales innovación (im

porte deducciones)

porcentaje de universitarios (directivos)Dinam

ismo del m

ercadoporcentaje de universitarios (no directivos)

Creatividad (criterio de promoción y recom

pensas)Cooperación con universidades, laboratorios y centros tecnológicos

Grupos de trabajo permanentes

Cooperación con universidades, laboratorios y centros tecnológicos

Subvenciones y ayudas a la innovaciónFinanciación bancaria a l/p

Autonomía de los directivos

Supervisión y control

17

De forma más detallada, podemos enumerar los principales hallazgos del trabajo del

siguiente modo:

1. El contraste de las hipótesis de investigación permite afirmar que los resultados

innovadores en productos (H1) y en procesos (H2) pueden expresarse con un

modelo lineal generalizado de variables explicativas referidas a la capacidad

innovadora, los factores contextuales y el entorno. La validación de los modelos

lineales propuestos ha revelado unos patrones de innovación empresarial por

sectores y tipo de innovación en Andalucía, identificando un conjunto de

factores explicativos vinculados específicamente con el grado de innovación o

radicalidad innovadora de las organizaciones en cada actividad. Estos resultados

corroboran la importancia de combinar los enfoques regional y sectorial en el

estudio del sistema de innovación, siguiendo la tesis defendida por determinados

investigadores de sistemas de innovación (Breschi y Malerba, 1997; Rondé y

Hussler, 2005).

2. Los modelos referidos a la innovación en productos difieren de los resultados

que ofrecen los modelos de innovación en procesos, tanto en el valor de los

estadísticos como en el grupo de variables explicativas. Estas diferencias apoyan

el estudio por separado de los tipos de innovación para aumentar la precisión en

las conclusiones y recomendaciones de los trabajos de investigación.

3. A pesar de las peculiaridades sectoriales, analizadas detenidamente en el trabajo,

pueden extraerse ciertas conclusiones de carácter general relativas al ámbito

externo de las empresas.

• La cooperación, factor estratégico para las pymes, ha resultado ser más

importante para la innovación en procesos que en productos, y en el sector

terciario que para las actividades primarias y secundarias. Asimismo, los

resultados muestran el predominio de la cooperación dentro de la cadena de

valor frente a la colaboración con el sistema de ciencia y tecnología de la región.

En la primera de ambas categorías, destaca el efecto negativo de los

distribuidores sobre la radicalidad innovadora de las empresas. En el segundo

caso, destaca la irrelevancia de las universidades, centros tecnológicos y otros

18

agentes del sistema en las mejoras de los productos industriales y el efecto

negativo de dicho tipo de colaboración sobre el nivel de innovación en procesos

industriales y en productos agrarios. Esta realidad refleja cierta “desarticulación”

entre el sistema de conocimiento y la empresa en las actividades primarias y

secundarias, mientras que dicha colaboración ejerce una influencia favorable en

el sector servicios.

• La financiación ajena se ha revelado como un problema importante para las

empresas innovadoras andaluzas. La escasa participación del capital riesgo

formal en las empresas (menos del 90%) deja en manos del sistema bancario la

financiación del riesgo en nuestra región, perjudicando el nivel innovador de las

empresas. Concretamente, la investigación ha revelado el efecto negativo de la

financiación bancaria a largo plazo, especialmente en el caso de la innovación en

procesos. Sólo en la Industria y los Servicios la financiación bancaria ha

beneficiado el grado de innovación de las empresas de la muestra.

• El entorno ha demostrado su influencia sobre el nivel innovador, especialmente

en procesos. La Industria es el sector más influido por el entorno, seguido de los

Servicios. En esta categoría de variables, el soporte institucional (ayudas

directas, fiscalidad y apoyo a la exportación) ha resultado ser más influyente que

las condiciones del mercado (rivalidad y dinamismo), principalmente en las

actividades terciarias. Dentro del soporte institucional destacan las deducciones

fiscales por I+D practicadas en el impuesto de sociedades y la utilidad de las

políticas y organismos de apoyo a la exportación, mientras que las subvenciones

y otras ayudas financieras directas sólo favorece la innovación en procesos del

sector Agrario y los Servicios. Entre las características del mercado hay que

reseñar la influencia negativa de la rivalidad competitiva en la Industria y el

sector Agrario, y su ausencia como variable explicativa en el resto de modelos

sectoriales.

4. En el sector Agrario, la innovación en productos ejerce un impacto positivo

sobre la rentabilidad, el crecimiento y la extensión del mercado de las empresas.

Por tanto, el fomento de este tipo de innovación mejora la competitividad de las

19

empresas del sector. Sin embargo, la innovación en procesos sólo beneficia

generalmente al crecimiento de estas organizaciones. En el sector Industrial, la

innovación en productos sólo favorece la expansión comercial, mientras que la

innovación en procesos ejerce un impacto directo sobre la rentabilidad, el

crecimiento y la extensión del mercado. Por su parte, en el Comercio sólo se ha

podido confirmar el efecto favorable de la innovación en productos en la

extensión del mercado y de la innovación en procesos en la rentabilidad de este

tipo de organizaciones, siendo el sector en el que los efectos de la innovación

son más limitados. Finalmente, la innovación en productos y procesos ejerce un

impacto favorable sobre la rentabilidad y el crecimiento de las empresas del

sector Servicios, mientras que la extensión del mercado sólo se ve mejorada por

la innovación en productos. Estos resultados destacan la importancia de la

innovación en los servicios, a pesar de la menor intensidad tecnológica de sus

actividades.

AGRADECIMIENTOS

Este proyecto de investigación (nº de referencia: PRY096/11) ha sido financiado

íntegramente por la Fundación Pública Andaluza Centro de Estudios Andaluces en la 7ª

edición de la Convocatoria para Proyectos de Investigación.

BIBLIOGRAFÍA

Ar, I.M., Baki, B. (2011): “Antecedents and performance impacts of product versus

process innovation Empirical evidence from SMEs located in Turkish science and

technology parks”, European Journal of Innovation Management, Vol. 14 nº 2, pp.

172–206.

Asheim, B.T., Lawton Smith, H., Oughton, C. (2011): “Regional Innovation Systems:

theory, empirics and policy”, Regional Studies, Vol. 45 nº 7, pp. 875–891.

20

Boschma, R., Frenken, K. (2006): “Why is economic geography not an evolutionary

science? Towards an evolutionary economic geography”, Journal of Economics

Geography, Vol. 6 nª 3, pp. 273–302.

Breschi, S., Malerba, F. (1997): “Sectoral Innovation Systems: Technological Regimes,

Schumpeterian Dynamics, and Spatial Boundaries”, En Edquist, C. (Ed.), Systems of

Innovation. Technologies, Institutions and Organizations. Pinter Publishers, London,

pp. 130–156.

Chen, K., Guan, J. (2011): “Mapping the innovation production process from

accumulative advantage to economic outcomes: a path modeling approach”,

Technovation, Vol. 31 nº 7, pp. 336–346.

Cooke, P., Gómez-Uranga, M., Etxebarría, G. (1997): “Regional systems of innovation:

institutional and organizational dimensions”, Research Policy, Vol. 26 nº 4–5, pp.

475–491.

Coriat, B., Weinstein, O. (2002): “Organizations, firms and institutions in the generation

of innovation”, Research Policy, Vol. 31 nº 21, pp. 273–290.

Crossan, M. M., Apaydin, M. (2010): “A multi-dimensional framework of

organizational innovation: a systematic review of the literature”, Journal of

Management Studies, Vol. 47 nº 6, pp. 1154–1191.

Deshpandé, R., Farley, J.U., Webster, F.E. (1993): “Corporate culture, customer

orientation, and innovativeness in Japanese firms: a quadrad analysis”, Journal of

Marketing, Vol. 57 nº 1, pp. 23–27.

European Commission (2006): Constructing Regional Advantage: Principles,

Perspectives and Policies, Directorate-General for Research.

European Commission (2009): Regional Innovation Scoreboard (RIS). Enterprise &

Industry Magazine, Inno Europe Paper nº 14 European Communities.

European Commission (2012): Regional Innovation Scoreboard (RIS). Directorate-

General for Enterprise and Industry, European Union.

Forsman, H. (2011) “Innovation capacity and innovation development in small

enterprises. a comparison between the manufacturing and service sectors”, Research

Policy, Vol. 40 nº 5, pp. 739–750.

21

Freel, M. S. (2003): “Sectoral patterns of small firm innovation, networking and

proximity”, Research Policy, Vol.32 nº 5, pp. 751–770.

Hewitt-Dundas, N. (2006): “Resource and capability constraints to innovation in small

and large plants”, Small Business Economics, Vol. 26 nº 3, 257–277.

Howells, J. (2005): “Innovation and regional economic development: a matter of

perspective?”, Research Policy, Vol. 34 nº 8, pp. 1220–1234.

Hurley, R. F., Hult, G. T. (1998): “Innovation, market orientation, and organizational

learning: an integration and empirical examination”, Journal of Marketing, Vol. 62

nº 3, pp. 42–54.

Kaufmann, A., Tödtling, F. (2001): “Science–industry interaction in the process of

innovation: the importance of boundary-crossing between systems”, Research

Policy, Vol. 30 nº 5, pp. 791–804.

Kaufmann, A., Tödtling; F. (2002): “How effective is innovation support for SMEs? An

analysis of the region of Upper Austria”, Technovation, Vol. 22 nº 3, pp. 147–159.

Marcati, A., Guido, G., Peluso A. (2008): “The role of SME entrepreneurs´

innovativeness and personality in the adoption of innovations”, Research Policy,

Vol. 37 nº 9, pp. 1579–1590.

Martínez-Román, J. A., Gamero, J., Tamayo, J. A. (2011): “Analysis of innovation in

SMEs using an innovative capability-based non-linear model: a study in the province

of Seville (Spain)”, Technovation, Vol. 31 nº 9, pp. 459–475.

Martínez–Román J. A., Tamayo J. A., Gamero J., Romero J. E. (2015): “Innovativeness

and business performances in tourism SMEs”, Annals of Tourism Research, Vol. 54,

pp. 118–135.

Montalvo, C. (2006): “What triggers change and innovation?”, Technovation, Vol. 26 nº

3, pp. 312–323.

Musyck, B., Reid, A. (2007): “Innovation and regional development, do European

structural funds make a difference?”, European Planning Studies, Vol. 15 nº 7, pp.

961–983.

Mytelka, L., Smith, K. (2002): “Policy learning and innovation theory: an interactive

and co-evolving process”, Research Policy, Vol. 31 nº 8–9, pp. 1467–1479.

22

Radas, S., Bozic, L. (2009): “The antecedents of SMEs innovativeness in an emerging

transition economy”, Technovation, Vol. 29 nº 6–7, pp. 438–450.

Romijn, H., Albaladejo, M. (2002): “Determinants of innovation capability in small

electronics and software firms in southeast England”, Research Policy, Vol. 31 nº 7,

pp. 1053-1067.

Rondé, P., Hussler, C. (2005): “Innovation in regions: what does really matter?”,

Research Policy, Vol. 34 nº 8, pp. 1150–1172.

Sternberg, R., Arndt, O. (2001): “The firm or the region: what determines the

innovation behavior of European firms?”, Economic Geography, Vol. 77 nº 4, pp.

345–363.

Tamayo, J. A., Romero, J. E., Gamero, J., Martínez-Román, J. A. (2015): “Do

innovation and cooperation influence SMEs’ competitiveness? Evidence from the

Andalusian Metal-Mechanic Sector”, Innovar Journal, Vol. 25 nº 55, pp. 97–111.

Tödtling, F., Trippl, M. (2005): “One size fits all? Towards a differentiated regional

innovation policy approach”, Research Policy, Vol. 34 nº 8, pp. 1203–1219.

Uyarra, E. (2010): “What is evolutionary about “regional systems of innovation”?

Implications for regional policy”, Journal of Evolutionary Economics, Vol. 20 nº 1,

pp. 115–137.

Vega–Jurado, J., Gutiérrez–García, A., Fernández–de–Lucio, I., Manjarrés–Henríquez,

L. (2008): “The effect of external and internal factors on firms’ product innovation”,

Research Policy, Vol. 37 nº 4, pp. 616–632.

Werker, C., Athreye, S. (2004): “Marshalls disciples: knowledge and innovation driving

regional economic development and growth”, Journal of Evolutionary Economics,

Vol. 14 nº 5, pp. 505–523.

Yam, R. C. M., Lo, W., Tang, E. P. Y., Lau, A. K.W. (2011): “Analysis of sources of

innovation, technological innovation capabilities, and performance: an empirical

study of Hong Kong manufacturing industries”, Research Policy, Vol. 40 nº 3, pp.

391–402.

23